⚡

ux-researcher-designer ux-researcher-designer

用户体验研究与设计工具包，适用于高级用户体验设计师/研究员，包括数据驱动的用户画像生成、旅程图绘制、可用性测试框架和研究综合。用于用户研究、用户画像创建、旅程图绘制和设计验证。

用户研究 0 次安装 0 次浏览 更新于 3/5/2026

UX Researcher & Designer

生成用户画像从研究数据，创建旅程地图，规划可用性测试，并将研究发现综合成可操作的设计建议。

目录

触发词

使用这项技能时你需要：

  • “创建用户画像”
  • “从数据生成画像”
  • “构建客户旅程地图”
  • “映射用户旅程”
  • “规划可用性测试”
  • “设计可用性研究”
  • “分析用户研究”
  • “综合访谈结果”
  • “识别用户痛点”
  • “定义用户原型”
  • “计算研究样本大小”
  • “创建同理心地图”
  • “识别用户需求”

工作流程

工作流程 1: 生成用户画像

**情境：**你拥有用户数据（分析，调查，访谈）并需要创建一个研究支持的画像。

步骤：

  1. 准备用户数据

    所需格式（JSON）：

    [...]

  2. 运行画像生成器

    # 人类可读输出
python scripts/persona_generator.py

# JSON输出用于集成
python scripts/persona_generator.py json

  3. 审查生成的组件

    组件 检查什么
    原型 是否与数据模式匹配？
    人口统计学 是否从实际数据派生？
    目标 是否具体且可操作？
    挫折 是否包含频率计数？
    设计影响 设计师能否据此行动？

  4. 验证画像

    • 向3-5个真实用户展示：“这听起来像你吗？”
    • 与支持票证交叉检查
    • 与分析数据核对

  5. 参考： 见 references/persona-methodology.md 了解有效性标准

工作流程 2: 创建旅程地图

**情境：**你需要为特定目标可视化端到端的用户体验。

步骤：

  1. 定义范围

    元素 描述
    画像 哪种用户类型
    目标 他们试图实现什么
    开始 触发旅程的触发器
    结束 成功标准
    时间框架 小时/天/周

  2. 收集旅程数据

    来源：

    • 用户访谈（问“带我走过…”）
    • 会话记录
    • 分析（漏斗，退出点）
    • 支持票证

  3. 绘制各阶段

    典型的B2B SaaS阶段：

    意识 → 评估 → 上手 → 采用 → 倡导

  4. 为每个阶段填充层

    阶段：[名称]
├── 行动：用户做什么？
├── 接触点：他们在哪里互动？
├── 情感：他们感觉如何？（1-5）
├── 痛点：什么让他们沮丧？
└── 机会：我们在哪里可以改进？

  5. 识别机会

    优先级得分 = 频率 × 严重性 × 可解性

  6. 参考： 见 references/journey-mapping-guide.md 获取模板

工作流程 3: 规划可用性测试

**情境：**你需要用真实用户验证设计。

步骤：

  1. 定义研究问题

    将模糊目标转化为可测试的问题：

    模糊 可测试
    “它容易使用吗？” “用户能在<3分钟内完成结账吗？”
    “用户喜欢它吗？” “用户会选择设计A还是B？”
    “它有意义吗？” “用户能在没有提示的情况下找到设置吗？”

  2. 选择方法

    方法 参与者 持续时间 最适合
    有主持远程 5-8 45-60 分钟 深入洞察
    无主持远程 10-20 15-20 分钟 快速验证
    游击 3-5 5-10 分钟 快速反馈

  3. 设计任务

    好的任务格式：

    场景："想象你要去巴黎旅行..."
目标："在你的预算内预订3晚酒店。"
成功："你看到确认页面。"

    任务进展：热身 → 核心 → 次要 → 边缘情况 → 自由探索

  4. 定义成功指标

    指标 目标
    完成率 >80%
    任务时间 <2×预期
    错误率 <15%
    满意度 >4/5

  5. 准备主持人指南

    • 思考出声指令
    • 非引导性提示
    • 任务后问题

  6. 参考： 见 references/usability-testing-frameworks.md 获取完整指南

工作流程 4: 综合研究

**情境：**你有原始研究数据（访谈，调查，观察）并需要可操作的洞察。

步骤：

  1. 编码数据

    为每个数据点打标签：

    • [目标] - 他们想要实现什么
    • [痛点] - 什么让他们沮丧
    • [行为] - 他们实际上做什么
    • [上下文] - 何时何地使用产品
    • [引用] - 用户的直接话语

  2. 聚集相似模式

    用户A：每天使用，高级功能，快捷方式
用户B：每天使用，复杂工作流，自动化
用户C：每周使用，基本需求，偶尔

群组1：A，B（强力用户）
群组2：C（休闲用户）

  3. 计算段大小

    群组 用户 % 可行性
    强力用户 18 36% 主要画像
    商务用户 15 30% 主要画像
    休闲用户 12 24% 次要画像

  4. 提取关键发现

    对于每个主题：

    • 发现声明
    • 支持证据（引用，数据）
    • 频率（X/Y参与者）
    • 商业影响
    • 建议

  5. 优先机会

    因素 1-5分
    频率 这个问题出现多频繁？
    严重性 它有多痛苦？
    广度 多少用户受影响？
    可解性 我们能解决这个问题吗？

  6. 参考： 见 references/persona-methodology.md 获取分析框架

工具参考

persona_generator.py

从用户研究数据生成数据驱动的画像。

参数 值 默认 描述
format (无), json (无) 输出格式

示例输出：

============================================================
画像：Alex the Power User
============================================================

📝 一个主要因工作目的而每天使用产品的用户

原型：强力用户
引用："我需要能够跟上我工作流程的工具"

👤 人口统计学：
  • 年龄范围：25-34
  • 地点类型：城市
  • 技术熟练度：高级

🎯 目标和需求：
  • 高效完成任务
  • 自动化工作流
  • 访问高级功能

😤 挫折：
  • 慢加载时间（14/20用户）
  • 没有键盘快捷方式
  • API访问有限

💡 设计影响：
  → 优化速度和效率
  → 提供键盘快捷方式和强力功能
  → 暴露API和自动化能力

📈 数据：基于45用户
   信心：高

生成的原型：

原型 信号 设计焦点
power_user 每天使用，10+功能 效率，定制化
casual_user 每周使用，3-5功能 简单性，指导
business_user 工作背景，团队使用 协作，报告
mobile_first 移动优先 触摸，离线，速度

输出组件：

组件 描述
demographics 年龄范围，地点，职业，技术水平
psychographics 动机，价值观，态度，生活方式
behaviors 使用模式，功能偏好
needs_and_goals 主要，次要，功能，情感
frustrations 有证据的痛点
scenarios 上下文使用故事
design_implications 可操作的建议
data_points 样本大小，信心水平

快速参考表

研究方法选择

问题类型 最佳方法 样本大小
“用户做什么？” 分析，观察 100+事件
“他们为什么这样做？” 访谈 8-15用户
“他们能做得多好？” 可用性测试 5-8用户
“他们喜欢什么？” 调查，A/B测试 50+用户
“他们感觉如何？” 日记研究，访谈 10-15用户

画像信心水平

样本大小 信心 用例
5-10用户 低 探索性
11-30用户 中等 方向性
31+用户 高 生产

可用性问题严重性

严重性 定义 行动
4 - 严重 阻止任务完成 立即修复
3 - 主要 显著困难 发布前修复
2 - 次要 引起犹豫 可能时修复
1 - 化妆品 注意但不成问题 低优先级

访谈问题类型

类型 示例 用途
上下文 “走过你的一天” 理解环境
行为 “展示你如何做X” 观察实际行动
目标 “你试图实现什么？” 揭示动机
痛点 “最难的部分是什么？” 识别挫折
反思 “你会改变什么？” 产生想法

知识库

详细参考指南在 references/：

文件 内容
persona-methodology.md 有效性标准，数据收集，分析框架
journey-mapping-guide.md 映射过程，模板，机会识别
example-personas.md 3个完整的画像示例及数据
usability-testing-frameworks.md 测试计划，任务设计，分析

验证清单

画像质量

  • [ ] 基于20+用户（最低）
  • [ ] 至少2个数据源（定量+定性）
  • [ ] 具体，可操作的目标
  • [ ] 挫折包括频率计数
  • [ ] 设计影响具体
  • [ ] 声明信心水平

旅程地图质量

  • [ ] 范围清晰定义（画像，目标，时间框架）
  • [ ] 基于真实用户数据，不是假设
  • [ ] 所有层填充（行动，接触点，情感）
  • [ ] 每个阶段识别痛点
  • [ ] 机会优先级

可用性测试质量

  • [ ] 研究问题是可测试的
  • [ ] 任务是现实场景，不是指令
  • [ ] 每个设计5+参与者
  • [ ] 成功指标定义
  • [ ] 发现包括严重性评级

研究综合质量

  • [ ] 数据编码一致
  • [ ] 基于3+数据点的模式
  • [ ] 发现包括证据
  • [ ] 建议可操作
  • [ ] 优先级合理化